CN111770133A - 一种多体慧联云控平台 - Google Patents

一种多体慧联云控平台 Download PDF

Info

Publication number
CN111770133A
CN111770133A CN202010432080.3A CN202010432080A CN111770133A CN 111770133 A CN111770133 A CN 111770133A CN 202010432080 A CN202010432080 A CN 202010432080A CN 111770133 A CN111770133 A CN 111770133A
Authority
CN
China
Prior art keywords
agent
data
cloud control
intelligent
edge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010432080.3A
Other languages
English (en)
Other versions
CN111770133B (zh
Inventor
何斌
赵建刚
朱忠攀
李刚
周艳敏
王志鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tongji University
Original Assignee
Tongji University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tongji University filed Critical Tongji University
Priority to CN202010432080.3A priority Critical patent/CN111770133B/zh
Publication of CN111770133A publication Critical patent/CN111770133A/zh
Application granted granted Critical
Publication of CN111770133B publication Critical patent/CN111770133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/142—Network analysis or design using statistical or mathematical methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H04L41/147—Network analysis or design for predicting network behaviour
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L9/00—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols
    • H04L9/32—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials
    • H04L9/3297—Cryptographic mechanisms or cryptographic arrangements for secret or secure communications; Network security protocols including means for verifying the identity or authority of a user of the system or for message authentication, e.g. authorization, entity authentication, data integrity or data verification, non-repudiation, key authentication or verification of credentials involving time stamps, e.g. generation of time stamps

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Algebra (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明涉及一种多体慧联云控平台，包括移动智能体、边缘智能体和云控中心，所述云控中心分别连接所述移动智能体和所述边缘智能体，所述移动智能体用于移动采集感知数据，所述边缘智能体用于静态采集感知数据，所述云控中心用于存储感知数据、进行数据计算以及指挥调度。与现有技术相比，本发明具有指挥调度安全高效、数据传输效率高、安全性高、智能体跟踪效果好等优点。

Description

一种多体慧联云控平台
技术领域
本发明涉及智能体领域，尤其是涉及一种多体慧联云控平台。
背景技术
随着AI技术和IoT技术的不断发展，越来越多的智能体出现在人们的生活中，人们迫切希望能够让这些智能体在人们的生活工作中发挥更大的作用，提高人们的生活水平和生活质量，促进生产力的发展，将人从更多的工作的中解放出来。然而各种各样的智能体虽然实现了很多功能，但是缺乏统一的指挥与调度，缺乏明确的分工与合作，无法很好地相互配合，相互协作，对一些较复杂的任务没办法自主完成，仍然需要人的控制与协调。同时，很多智能体，如无人车、无人机等，在执行任务过程中对外界信息的获取局限性很大，只能通过自身的传感器感知周围环境，不利于任务的执行，降低了任务执行的效率和安全性，而且多智能体之间的协同调度也一直是一个亟待解决的问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实现多智能体的安全高效的协同调度的多体慧联云控平台。
本发明的目的可以通过以下技术方案来实现：
一种多体慧联云控平台，包括移动智能体、边缘智能体和云控中心，所述云控中心分别连接所述移动智能体和所述边缘智能体，所述移动智能体用于移动采集感知数据，所述边缘智能体用于静态采集感知数据，所述云控中心用于存储感知数据、进行数据计算以及指挥调度。
进一步地，所述移动智能体为无人车、无人机和/或无人船，所述边缘智能体为智慧灯杆、智能门闸、智能地锁和/或海岸观测传感器。
当今世界，以互联网、大数据、人工智能为代表的的新一代信息技术蓬勃发展，并加速与和行业各领域的融合，给社会带来颠覆性创新。在城市发展的探索中，智慧灯杆作为将信息通信技术与传统城市公共基础设施融合的典范，集“综合、共享、智慧、和谐”四大特点于一体，被认为是最有发展前景的新型公共基础设施，在全球多个国家受到广泛关注并已开始落地建设。智慧灯杆承载多种设备和传感器并具备智慧能力，这些设备和传感器可通过各种通信技术接入网络和平台，并在互联网、人工智能、大数据等ICT技术的赋能下提供丰富的智慧应用。
进一步地，所述云控中心通过边缘智能体采集信息方法对所述边缘智能体进行数据采集，所述边缘智能体采集信息方法包括以下步骤：
S101：云控中心确定需要进行信息采集的边缘智能体，作为目标边缘智能体；
S102：云控中心向所述目标边缘智能体发送信息调用指令，调用所述目标边缘智能体的实时数据；
S103：云控中心判断调用是否成功，若成功，则根据调用的目标边缘智能体的实时数据进行指挥调度，否则，生成调用失败原因，并上报。
进一步地，所述云控中心通过移动智能体采集信息方法对所述移动智能体进行数据采集，所述移动智能体采集信息方法包括以下步骤：
S201：云控中心根据预先获取的任务，确定移动智能体的执行数量和控制命令；
S202：云控中心搜索是否有空闲的移动智能体供执行，若否，则继续搜索，若是，则将该移动智能体作为目标移动智能体，并进行步骤S203；
S203：云控中心检查目标移动智能体的状态；
S204：云控中心判断目标移动智能体的状态是否适合执行任务，若是，则执行步骤S205，否则返回步骤S202；
S205：云控中心将控制命令发送至目标移动智能体；
S206：云控中心判断控制命令是否传输成功，若成功，则目标移动智能体根据控制命令，执行任务；否则，云控中心判断控制命令发送次数是否超过三次，若否，则返回步骤S205，否则，上报命令发送失败信息。
进一步地，所述云控中心还连接有调度中心，该调度中心用于发布和取消任务，并根据任务，采用调度算法和路径规划算法，获取路径规划结果，上传至云控中心。
进一步地，所述移动智能体和边缘智能体与所述云控中心间通过异构网络通讯协议进行通讯，所述异构网络通讯协议的信息编码格式包括依次连接的起始帧、仲裁段、控制段、地址段、数据段、校验段和结束帧，所述数据段分为边缘智能体数据段和移动智能体数据段，所述边缘智能体数据段包括依次连接的所在区域编号、区域内部编号、参数含义编号、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位，所述移动智能体数据段包括依次连接的智能体类别、智能体编号、参数含义变化、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位。
进一步地，所述边缘智能体根据时空数据压缩算法向所述云控中心传输数据，所述时空数据压缩算法具体为，将边缘智能体按照区域进行划分，选择位于每个区域的区域中心的边缘智能体作为区域节点，区域内其他边缘智能体为终端节点，将终端节点的数据经过卡尔曼滤波器处理，获取终端节点的局部估计值，汇集到区域节点，区域节点数据基于卡尔曼滤波算法，获取区域估计值，上传至所述云控中心。
进一步地，所述终端节点的局部估计值的计算表达式为：
Figure BDA0002500941140000031
Figure BDA0002500941140000032
Figure BDA0002500941140000033
Figure BDA0002500941140000034
Figure BDA0002500941140000041
式中，
Figure BDA0002500941140000042
表示第i个终端节点的状态预测；{Pi}表示第i个终端节点的协方差预测；{Ki}表示第i个终端节点的滤波增益方程；{Di}表示第i个终端节点的系统参数；{Si}表示第i个终端节点的系统观测值，i＝1,2,…,n；B表示状态转移矩阵；Q表示过程噪声对应的协方差，R表示测量噪声对应的协方差，每个节点发送数据
Figure BDA0002500941140000043
和Pi(k+1|k+1)-1，
Figure BDA0002500941140000044
为k+1时刻第i个终端节点的状态预测值，Ki(k+1)为k+1时刻第i个终端节点的滤波增益值，Si(k+1)为k+1时刻第i个终端节点的观测值，Di(k+1)为k+1时刻第i个终端节点的系统参数，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，E为单位矩阵，B(k+1|k)为由k时刻向k+1时刻的状态转移矩阵，
Figure BDA0002500941140000045
为k时刻第i个终端节点的状态预测值，B(k+1)为k+1时刻的状态转移矩阵，Pi(k|k)为k时刻第i个终端节点的协方差预测值，Q(k)为k时刻过程噪声对应的协方差，Ri(k+1)为k+1时刻测量噪声对应的协方差；
所述区域估计值的计算表达式为：
Figure BDA0002500941140000046
Figure BDA0002500941140000047
式中，Vk表示区域节点k的系统方程，Pk表示区域节点k的协方差预测方程，Vi(k+1|k+1)为k+1时刻第i个终端节点的系统值，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，P(k+1|k+1)为k+1时刻该区域边缘智能体的总协方差预测值，mk为该区域中边缘智能体的数量，Pi(k+1|k+1)为k+1时刻第i个区域节点的协方差预测值。
进一步地，所述移动智能体和边缘智能体与所述云控中心间的通讯指令包括检验段，所述云控中心与所述移动智能体和边缘智能体间采用基于时间戳的通讯加密协议进行通讯，所述基于时间戳的通讯加密协议包括以下步骤：
时间戳生成步骤：在原通讯指令的检验段中插入时间戳，得到指令Y，通过函数h(x)对指令Y处理，得到指令Z，将指令Z上传；
基于时间戳的通讯判断步骤：根据接收到的Z，再经过函数h(x)还原出指令Y，从而提取出当前时间戳，将该时间戳与上一条指令获取的时间戳比较，若当前时间戳大于上一条指令获取的时间戳，则接收该指令，否则不接受。
进一步地，所述多体慧联云控平台根据目标跟踪协同策略进行目标跟踪任务，所述目标跟踪协同策略包括以下步骤：
初始化步骤：根据目标跟踪任务，从移动智能体和边缘智能体中获取起始节点，启动目标跟踪任务，该起始节点同时作为主导节点；
合作圈构建步骤：主导节点从移动智能体和边缘智能体中确定成员节点，组成合作圈，成员节点的确定准则为，根据当前资源量、以往任务记录中提供的最优信息量和当前空间地理位置确定感知节点；
数据上传步骤：主导节点进行合作圈数据融合，上传至云控中心；
主导节点选取步骤：在任务过程中，成员节点相互竞争，同时相互投票选举，主导节点在感知范围内根据成员节点的表现以及成员节点的投票选择下一个主导节点，被选举出的主导节点重新依次执行合作圈构建步骤和数据上传步骤。
与现有技术相比，本发明具有以下优点：
(1)本发明多体慧联云控平台以云控中心为核心，将任务发布信息，智慧灯杆采集的环境信息，移动智能体执行任务的信息统一起来，实现高效有序的信息传递，为移动智能体任务执行提供信息支撑。
(2)本发明提供的异构网络通讯协议，提出了一种统一的数据编码格式，将智能体类别、智能体编号、数据类型、数据内容、传输方向、加密协议等数据进行统一编码，对数据传输的起始、仲裁、传输、校验、结束等过程进行控制，实现数据的标准化处理，保障了在整个平台的运转过程当中，数据格式的统一，提高数据处理效率。
(3)本发明提供的时空数据压缩算法，通过分区域处理的卡尔曼滤波算法，将数量庞大的信息数据进行压缩过滤，减少数据冗余，减少噪声影响，提高数据传输效率。
(4)本发明提供的云边端信息网络安全策略，引入了一种基于时间戳的数据加密算法，保障数据传输的安全性。
(5)本发明提供的目标跟踪协同策略，引入一种竞争合作策略，竞争合作策略包括起始节点、主导节点、成员节点，任务开始后由起始节点触发合作圈形成，根据任务进行过程，投票选举出主导节点，添加成员节点。在任务进行过程中，根据环境信息，各成员节点相互竞争，相互投票选举，实时动态调整合作圈成员，实现准确高效的目标跟踪，使传感器在目标跟踪过程中高效的协同合作，实现更好的跟踪效果。
(6)本发明提供的多智能体协同受控网络，其对智能体的实时位置进行监督，根据边缘智能体采取目标跟踪策略上传至云控中心的跟踪数据以及移动智能体自身传感器获取的环境数据实时调整任务路线，保证移动智能体安全，由云控中心和智能体自身相互协同配合，保证智能体的物理安全。
附图说明
图1为本发明多体慧联云控平台的结构框图；
图2为本发明任务中心发布任务流程图；
图3为本发明边缘智能体采集信息方法流程图；
图4为本发明移动智能体采集信息方法流程图；
图5为本发明终端节点数据处理策略流程图；
图6为本发明目标跟踪协同策略框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
实施例1
本实施例提供一种多体慧联云控平台，包括移动智能体、边缘智能体和云控中心，云控中心分别连接移动智能体和边缘智能体，移动智能体用于移动采集感知数据，执行多体协同任务，如空地协同巡检、车队物流配送等，边缘智能体用于静态采集感知数据，构建AIOT群智物联感知网络，实现协同感知，云控中心用于存储感知数据、进行数据计算以及多智能体综合指挥调度。
本实施例多体慧联云控平台的主要功能包括：
A、一体化信息采集系统。面对千台异构陆海空天智能体协同任务需求及挑战，需要依托多体协同慧联云控平台统筹管理控制多智能体集群任务实施过程，为此基于边缘智能体构建云边端一体化的网络化信息采集系统，收集测试对象的图像、语音、行动等数据信息。信息采集框图如图1。
B、异构网络通讯协议及时空数据压缩算法。针对数量巨大的陆海空智能体的海量数据采集与存储需求及技术挑战,需要依托多体协同慧联云控平台实现强大的信息存储和处理能力，构建云边端信息存储计算一体化系统，为此提出了异构网络通讯协议及时空数据压缩算法。
C、此外，针对多智能体之间信息传递过程中可能会遭受间歇性丢失或延迟、带宽限制、异步和其他不可预知因素的影响，提出了云控平台同步授时策略，在协同控制过程中引入时间戳影响因子。
D、云-边-端信息网络安全策略。智能体个体之间、个体与环境之间、个体与控制系统之间交互复杂,针对不同智能体测试用户的亟待解决隐私、安全和数据保护问题。为此依托多体协同慧联云控平台，提出云-边-端信息网络安全策略。
E、目标跟踪协同策略。围绕千台异构多智能体运动的协同目标跟踪问题，需要紧密耦合边缘智能体实现协同感知，借鉴分布式人工智能领域中智能代理协同工作的思想，制定基于多智能体理论的分布式协同策略。
F、多智能体协同受控网络。最终依托云控平台构建一种基于数据驱动的多智能体分布式协同受控网络，对于网络覆盖下的自由移动的异构智能体，提出MIMO闭环实时控制流程，保证智能体的物理安全。
下面对各部分进行详细描述。
1、多体慧联云控平台
移动智能体为无人车、无人机和/或无人船，边缘智能体为智慧灯杆、智能门闸、智能地锁和/或海岸观测传感器。本实施例以智慧灯杆为例介绍，通过智慧灯杆强大的环境信息采集能力，结合云平台的计算控制能力，实现对边缘智能体的安全高效的指挥调度。
2、一体化信息采集系统
一体化信息采集系统包括以下三个部分。
201)任务中心发布任务流程：如图2所示，云控中心还连接有调度中心，首先由用户在任务中心发布任务，如果任务不合理则重新发布或者取消任务，如果任务合理则由任务中心采取调度算法，路径规划算法对任务进行合理高效的路径规划，将处理后的任务数据进行标准化处理，上传至云控中心。
本实施例中一体化信息采集系统将用户发布任务信息，智慧灯杆采集的环境信息，移动智能体执行任务的信息统一起来，实现高效有序的信息传递，为移动智能体任务执行提高信息支撑。用户通过任务中心发布任务信息，若任务合理，而且资源充沛，状态正常，则由任务中心合理规划路径，上传至云控中心。云控中心根据任务复杂程度，当前可用资源选择移动智能体数量，决定移动智能体协同策略，同时根据任务路径调用路径上的边缘智能体提供相关信息。移动智能体根据云控中心下达的任务指令以及协同策略执行任务。边缘智能体采用协同追踪策略对任务进行跟踪，及时上传云控中心，实时调整移动智能体行动路线，保障移动智能体安全以及任务安全高效执行。
202)边缘智能体采集信息方法：如图3所示，用户发布任务并且成功上传至云控中心后，云控中心根据任务设计到的具体路径，对路径上的智慧灯杆上传的数据进行调用，并且根据灯杆上传的实时视觉数据，目标位置数据，环境情况数据等进行分析，确定移动智能体的协同模式，以及调度方式，并且发布具体的调度命令，控制移动智能体进行任务，根据灯杆上传的数据实时进行调整，确保移动智能体安全高效的完成任务。
具体地，边缘智能体采集信息方法包括以下步骤：
S101：云控中心确定需要进行信息采集的边缘智能体，作为目标边缘智能体；
S102：云控中心向目标边缘智能体发送信息调用指令，调用目标边缘智能体的实时数据；
S103：云控中心判断调用是否成功，若成功，则根据调用的目标边缘智能体的实时数据进行指挥调度，否则，生成调用失败原因，并上报。
203)移动智能体采集信息方法，如图4所示，云控中心根据任务中心上传的任务的复杂程度以及智慧灯杆上传的路径环境数据，综合计算决策，确定完成任务的智能体数量，确定不同智能体之间的协作方式，选择不同的智能体协作完成任务。比如确定智能体的角色(执行者或者决策者)、确定智能体的任务目标(耦合目标或者分离目标)以及确定智能体的决策方式(集中决策、分散决策或者混合决策)。云控中心综合计算以上指标，确定不同移动智能体的角色，目标以及整体的决策方式以后形成指令，检查移动智能体状态无误以后发送给移动智能体。移动智能体接受到指令以后根据指令形成对应的任务组，任务组内的移动智能体根据云控中心确定的策略各自承担相应的角色，完成相应的目标，任务执行期间可以通过云控中心实时调用智慧灯杆上传的数据，并且结合自身位置，周围环境等情况作出调整，以确保安全高效完成任务。任务执行完毕以后汇报云控中心，结束任务。
具体地，移动智能体采集信息方法包括以下步骤：
S201：云控中心根据预先获取的任务，确定移动智能体的执行数量和控制命令；
S202：云控中心搜索是否有空闲的移动智能体供执行，若否，则继续搜索，若是，则将该移动智能体作为目标移动智能体，并进行步骤S203；
S203：云控中心检查目标移动智能体的状态；
S204：云控中心判断目标移动智能体的状态是否适合执行任务，若是，则执行步骤S205，否则返回步骤S202；
S205：云控中心将控制命令发送至目标移动智能体；
S206：云控中心判断控制命令是否传输成功，若成功，则目标移动智能体根据控制命令，执行任务；否则，云控中心判断控制命令发送次数是否超过三次，若否，则返回步骤S205，否则，上报命令发送失败信息。
3、异构网络通讯协议
移动智能体和边缘智能体与云控中心间通过异构网络通讯协议进行通讯，异构网络通讯协议的信息编码格式包括依次连接的起始帧、仲裁段、控制段、地址段、数据段、校验段和结束帧，数据段分为边缘智能体数据段和移动智能体数据段，边缘智能体数据段包括依次连接的所在区域编号、区域内部编号、参数含义编号、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位，移动智能体数据段包括依次连接的智能体类别、智能体编号、参数含义变化、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位。
信息编码格式如表1所示。
表1信息编码格式
起始帧 仲裁段 控制段 地址段 数据段 校验段 结束帧
S Z C Address Data J E
1字节 1字节 1字节 1字节 15字节 1字节 1字节
起始帧和结束帧用来界定一个数据帧。
仲裁段用来进行总线仲裁，
控制段用来控制数据传输方向，具体含义如表2所示。
表2控制段编码含义
控制数据 含义
0x01 边缘智能体至云控中心
0x02 云控中心至边缘智能体
0x04 移动智能体至云控中心
0x08 云控中心至移动智能体
0x10 边缘智能体至移动智能体
0x20 移动智能体至边缘智能体
数据段Data分为边缘智能体数据和移动智能体数据，边缘智能体数据格式如表3所示。
表3边缘智能体数据格式
Figure BDA0002500941140000101
指令A1是一个8位的二进制编码，范围在0x00～0xFF，指令A1代表该智慧灯杆所在的区域编号；指令A2是一个8位的二进制编码，范围在0x00～0xFF，A2表示灯杆在其所在区域内的编号。A1，A2两个指令共同确定了该智慧灯杆在整个园区内部的编号。指令B是一个8位的二进制编码，具体含义如表4所示。
表4指令B含义
指令B ASCII码字符 含义
0x57 W 温度
0x53 S 湿度
0x5A Z 噪声
0x59 Y 大气压力
0x50 P PM2.5
0x4D M PM10
0x46 F 风速
0x58 X 风向
上述指令代表了相应的参数数据，数据D即为智慧灯杆相应的各项数据区编码。
移动智能体数据格式如表5所示。
表5移动智能体数据格式
Figure BDA0002500941140000111
该数据与表3数据大体相同，区别在于指令A1代表智能体类别，例如0x01代表无人机，0x02代表无人车。指令A2代表智能体编号。其余数据与表3含义相同。
校验段主要为校验数据传输是否正确，结合基于时间戳的通讯加密方法对数据进行校验。
4、时空数据压缩算法
对于园区内的智慧灯杆，根据所属范围划分为不同的区域，每个区域内部数据较为接近，因此选取其中一个灯杆的数据作为该区域灯杆的数据，通常选择位于该区域中心的灯杆数据，将其称为区域节点数据。
具体地，时空数据压缩算法将边缘智能体按照区域进行划分，选择位于每个区域的区域中心的边缘智能体作为区域节点，区域内其他边缘智能体为终端节点，将终端节点的数据经过卡尔曼滤波器处理，获取终端节点的局部估计值，汇集到区域节点，区域节点数据基于卡尔曼滤波算法，获取区域估计值，上传至云控中心。
假设整个园区有n个智慧灯杆，将其分为m个区域，每个区域包含mk个灯杆，将这些智慧灯杆称为终端节点，则满足：
Figure BDA0002500941140000112
终端节点的工作状态相对独立，其误差不存在相互关联性。
终端节点的局部估计值的计算表达式为：
Figure BDA0002500941140000121
Figure BDA0002500941140000122
对于上述式子，须满足以下等式：
Figure BDA0002500941140000123
Figure BDA0002500941140000124
Figure BDA0002500941140000125
式中，
Figure BDA0002500941140000126
表示第i个终端节点的状态预测；{Pi}表示第i个终端节点的协方差预测；{Ki}表示第i个终端节点的滤波增益方程；{Di}是第i个终端节点的系统参数；{Si}表示第i个终端节点的系统观测值，i＝1,2,…,n；B是状态转移矩阵；Q表示过程噪声对应的协方差，R表示测量噪声对应的协方差。每个节点发送数据
Figure BDA0002500941140000127
和Pi(k+1|k+1)-1，
Figure BDA0002500941140000128
为k+1时刻第i个终端节点的状态预测值，Ki(k+1)为k+1时刻第i个终端节点的滤波增益值，Si(k+1)为k+1时刻第i个终端节点的观测值，Di(k+1)为k+1时刻第i个终端节点的系统参数，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，E为单位矩阵，B(k+1|k)为由k时刻向k+1时刻的状态转移矩阵，
Figure BDA0002500941140000129
为k时刻第i个终端节点的状态预测值，B(k+1)为k+1时刻的状态转移矩阵，Pi(k|k)为k时刻第i个终端节点的协方差预测值，Q(k)为k时刻过程噪声对应的协方差，Ri(k+1)为k+1时刻测量噪声对应的协方差；
区域估计值的计算表达式为：
Figure BDA0002500941140000131
Figure BDA0002500941140000132
式中，Vk表示区域节点k的系统方程，Pk表示区域节点k的协方差预测方程，Vk(k+1|k+1)为k+1时刻区域节点k的系统方程，Pk(k+1|k+1)为k+1时刻区域节点k的协方差预测方程，Vi(k+1|k+1)为k+1时刻第i个终端节点的系统值，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，P(k+1|k+1)为k+1时刻该区域边缘智能体的总协方差预测值，mk为该区域中边缘智能体的数量，Pi(k+1|k+1)为k+1时刻第i个区域节点的协方差预测值。
经过上述卡尔曼滤波算法作用，可以压缩数据，减少数据冗余度，减少噪声对数据的影响。
5、云-边-端信息网络安全策略
针对多智能体之间信息传递过程中可能会遭受间歇性丢失或延迟、带宽限制、异步和其他不可预知因素的影响，提出了云控平台同步授时策略，在协同控制过程中引入时间戳影响因子。智能体个体之间、个体与环境之间、个体与控制系统之间交互复杂,针对不同智能体测试用户的亟待解决隐私、安全和数据保护问题。为此依托多体协同慧联云控平台，提出云-边-端信息网络安全策略。
为了确保数据传输的安全性，本实施例引入一种基于时间戳的加密协议。将当前系统时间与格林威治时间(1970年01月01日00时00分00秒)的时间差秒数作为时钟源，在数据传输的校验段插入时间戳，原指令C变为指令Y，对指令Y经过函数h(x)处理，得到指令Z＝h(Y)，将得到的指令Z发送至接收端，接收端接收到指令Z，再经过h(x)函数处理还原出Y，从Y指令中提取出时间戳，与上一条指令的时间戳比较(第一条指令直接接受，且保存时间戳)，大于之前的时间戳则接受指令，小于之前的时间戳说明该指令在上一条指令之前，则不接受。
具体地，基于时间戳的通讯加密协议包括以下步骤：
时间戳生成步骤：在原通讯指令的检验段中插入时间戳，得到指令Y，通过函数h(x)对指令Y处理，得到指令Z，发送端上传；
基于时间戳的通讯判断步骤：接收端接收到指令Z，经过函数h(x)还原出指令Y，从而提取出当前时间戳，将该时间戳与上一条指令获取的时间戳比较，若当前时间戳大于上一条指令获取的时间戳，则接收该指令，否则不接受。
6、目标跟踪协同策略
本实施例引入了一种竞争合作的协同策略，当事件出现时，针对该事件形成合作圈来解决问题，当事件结束或者遇到问题时，合作圈解散。在目标跟踪过程中，基于竞争合作的协同策略框架如图6所示：
图中存在三种智能体：起始节点(S)，在要跟踪的目标出现后，首先捕捉到这一事件的节点就是S，S也是合作圈的发起者；主导节点(J)，合作圈的主导者J负责发布任务、选择合作成员C、汇总数据、传递数据，在需要时负责决定产生新的J；成员节点(C)，负责监测目标，进行本地计算或决策，向J发送数据，同时参与主导者J的竞选和投票以及接受J比较和选择。
目标跟踪协同策略包括以下步骤：
初始化步骤：根据目标跟踪任务，从移动智能体和边缘智能体中获取起始节点，启动目标跟踪任务，该起始节点同时作为主导节点；
合作圈构建步骤：主导节点从移动智能体和边缘智能体中确定成员节点，组成合作圈，成员节点的确定准则为，根据当前资源量、以往任务记录中提供的最优信息量和当前空间地理位置确定感知节点；
数据上传步骤：主导节点进行合作圈数据融合，上传至云控中心；
主导节点选取步骤：在任务过程中，成员节点相互竞争，同时相互投票选举，主导节点在感知范围内根据成员节点的表现以及成员节点的投票选择下一个主导节点，被选举出的主导节点重新依次执行合作圈构建步骤和数据上传步骤。
本实施例中，整个追踪过程如下。
S301：S启动追踪任务，并自动成为第一个J，初始化合作圈；
S302：J确定合作成员，即确定合作圈内的C。确定准则为：当前资源最充足；在以往任务记录中提供较多最优信息的节点；或者当前空间地理位置较优的节点。所有C确定后，C将各自的特性信息发送至J；
S303：J进行合作圈数据融合，必要时上传云控中心；
S304：J在适当时候，在感知范围内选举下一个J；
S305：新的J产生后，重复步骤S302和步骤S303，原先的J退出后，可能成为普通节点，也有可能成为新合作圈的C。
7、多智能体协同受控网络
在智能体执行任务过程中，使用动态联盟策略对其进行跟踪，同时通过一体化信息采集系统将数据上传至云控中心，云控中心根据实时跟踪的智能体位置，及时下达命令与智能体自身的决策相互配合，保证智能体的物理安全。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种多体慧联云控平台，其特征在于，包括移动智能体、边缘智能体和云控中心，所述云控中心分别连接所述移动智能体和所述边缘智能体，所述移动智能体用于移动采集感知数据，所述边缘智能体用于静态采集感知数据，所述云控中心用于存储感知数据、进行数据计算以及指挥调度。
2.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述移动智能体为无人车、无人机和/或无人船，所述边缘智能体为智慧灯杆、智能门闸、智能地锁和/或海岸观测传感器。
3.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述云控中心通过边缘智能体采集信息方法对所述边缘智能体进行数据采集，所述边缘智能体采集信息方法包括以下步骤：
S101：云控中心确定需要进行信息采集的边缘智能体，作为目标边缘智能体；
S102：云控中心向所述目标边缘智能体发送信息调用指令，调用所述目标边缘智能体的实时数据；
S103：云控中心判断调用是否成功，若成功，则根据调用的目标边缘智能体的实时数据进行指挥调度，否则，生成调用失败原因，并上报。
4.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述云控中心通过移动智能体采集信息方法对所述移动智能体进行数据采集，所述移动智能体采集信息方法包括以下步骤：
S201：云控中心根据预先获取的任务，确定移动智能体的执行数量和控制命令；
S202：云控中心搜索是否有空闲的移动智能体供执行，若否，则继续搜索，若是，则将该移动智能体作为目标移动智能体，并进行步骤S203；
S203：云控中心检查目标移动智能体的状态；
S204：云控中心判断目标移动智能体的状态是否适合执行任务，若是，则执行步骤S205，否则返回步骤S202；
S205：云控中心将控制命令发送至目标移动智能体；
S206：云控中心判断控制命令是否传输成功，若成功，则目标移动智能体根据控制命令，执行任务；否则，云控中心判断控制命令发送次数是否超过三次，若否，则返回步骤S205，否则，上报命令发送失败信息。
5.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述云控中心还连接有调度中心，该调度中心用于发布和取消任务，并根据任务，采用调度算法和路径规划算法，获取路径规划结果，上传至云控中心。
6.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述移动智能体和边缘智能体与所述云控中心间通过异构网络通讯协议进行通讯，所述异构网络通讯协议的信息编码格式包括依次连接的起始帧、仲裁段、控制段、地址段、数据段、校验段和结束帧，所述数据段分为边缘智能体数据段和移动智能体数据段，所述边缘智能体数据段包括依次连接的所在区域编号、区域内部编号、参数含义编号、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位，所述移动智能体数据段包括依次连接的智能体类别、智能体编号、参数含义变化、地址码、功能码、起始地址、数据长度、校验码地位和校验码高位。
7.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述边缘智能体根据时空数据压缩算法向所述云控中心传输数据，所述时空数据压缩算法具体为，将边缘智能体按照区域进行划分，选择位于每个区域的区域中心的边缘智能体作为区域节点，区域内其他边缘智能体为终端节点，将终端节点的数据经过卡尔曼滤波器处理，获取终端节点的局部估计值，汇集到区域节点，区域节点数据基于卡尔曼滤波算法，获取区域估计值，上传至所述云控中心。
8.根据权利要求7所述的一种多体慧联云控平台，其特征在于，所述终端节点的局部估计值的计算表达式为：
Figure FDA0002500941130000021
Figure FDA0002500941130000022
Figure FDA0002500941130000031
Figure FDA0002500941130000032
Figure FDA0002500941130000033
式中，
Figure FDA0002500941130000034
表示第i个终端节点的状态预测；{Pi}表示第i个终端节点的协方差预测；{Ki}表示第i个终端节点的滤波增益方程；{Di}表示第i个终端节点的系统参数；{Si}表示第i个终端节点的系统观测值，i＝1,2,…,n；B表示状态转移矩阵；Q表示过程噪声对应的协方差，R表示测量噪声对应的协方差，每个节点发送数据
Figure FDA0002500941130000035
和Pi(k+1|k+1)-1，
Figure FDA0002500941130000036
为k+1时刻第i个终端节点的状态预测值，Ki(k+1)为k+1时刻第i个终端节点的滤波增益值，Si(k+1)为k+1时刻第i个终端节点的观测值，Di(k+1)为k+1时刻第i个终端节点的系统参数，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，E为单位矩阵，B(k+1|k)为由k时刻向k+1时刻的状态转移矩阵，
Figure FDA0002500941130000037
为k时刻第i个终端节点的状态预测值，B(k+1)为k+1时刻的状态转移矩阵，Pi(k|k)为k时刻第i个终端节点的协方差预测值，Q(k)为k时刻过程噪声对应的协方差，Ri(k+1)为k+1时刻测量噪声对应的协方差；
所述区域估计值的计算表达式为：
Figure FDA0002500941130000038
Figure FDA0002500941130000039
式中，Vk表示区域节点k的系统方程，Pk表示区域节点k的协方差预测方程，Vi(k+1|k+1)为k+1时刻第i个终端节点的系统值，Pi(k+1|k+1)为k+1时刻第i个终端节点的协方差预测值，P(k+1|k+1)为k+1时刻该区域边缘智能体的总协方差预测值，mk为该区域中边缘智能体的数量，Pi(k+1|k+1)为k+1时刻第i个区域节点的协方差预测值。
9.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述移动智能体和边缘智能体与所述云控中心间的通讯指令包括检验段，所述云控中心与所述移动智能体和边缘智能体间采用基于时间戳的通讯加密协议进行通讯，所述基于时间戳的通讯加密协议包括以下步骤：
时间戳生成步骤：在原通讯指令的检验段中插入时间戳，得到指令Y，通过函数h(x)对指令Y处理，得到指令Z，将该指令Z上传；
基于时间戳的通讯判断步骤：根据接收到的指令Z，经过函数h(x)还原出指令Y，从而提取出当前时间戳，将该时间戳与上一条指令获取的时间戳比较，若当前时间戳大于上一条指令获取的时间戳，则接收该指令，否则不接受。
10.根据权利要求1所述的一种多体慧联云控平台，其特征在于，所述多体慧联云控平台根据目标跟踪协同策略进行目标跟踪任务，所述目标跟踪协同策略包括以下步骤：
初始化步骤：根据目标跟踪任务，从移动智能体和边缘智能体中获取起始节点，启动目标跟踪任务，该起始节点同时作为主导节点；
合作圈构建步骤：主导节点从移动智能体和边缘智能体中确定成员节点，组成合作圈，成员节点的确定准则为，根据当前资源量、以往任务记录中提供的最优信息量和当前空间地理位置确定感知节点；
数据上传步骤：主导节点进行合作圈数据融合，上传至云控中心；
主导节点选取步骤：在任务过程中，成员节点相互竞争，同时相互投票选举，主导节点在感知范围内根据成员节点的表现以及成员节点的投票选择下一个主导节点，被选举出的主导节点重新依次执行合作圈构建步骤和数据上传步骤。
CN202010432080.3A 2020-05-20 2020-05-20 一种多体慧联云控平台 Active CN111770133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010432080.3A CN111770133B (zh) 2020-05-20 2020-05-20 一种多体慧联云控平台

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010432080.3A CN111770133B (zh) 2020-05-20 2020-05-20 一种多体慧联云控平台

Publications (2)

Publication Number Publication Date
CN111770133A true CN111770133A (zh) 2020-10-13
CN111770133B CN111770133B (zh) 2021-07-20

Family

ID=72719427

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010432080.3A Active CN111770133B (zh) 2020-05-20 2020-05-20 一种多体慧联云控平台

Country Status (1)

Country Link
CN (1) CN111770133B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112988392A (zh) * 2021-04-09 2021-06-18 江苏安岚特智能科技有限公司 一种基于边缘轻量计算的智慧灯杆数据分析方法
CN113037857A (zh) * 2021-03-23 2021-06-25 中国科学院自动化研究所 面向云环境的多机器人协同感知服务系统、方法及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210627A (zh) * 2016-07-04 2016-12-07 广东天米教育科技有限公司 一种无人机消防调度系统
CN110582066A (zh) * 2019-04-17 2019-12-17 东华大学 城市强对流天气预防系统
US20190394427A1 (en) * 2018-06-20 2019-12-26 Chang'an University System for perceiving and co-processing intelligent connected vehicle-oriented scene image data
CN111016820A (zh) * 2018-10-09 2020-04-17 本田技研工业株式会社 智能体系统、智能体控制方法及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106210627A (zh) * 2016-07-04 2016-12-07 广东天米教育科技有限公司 一种无人机消防调度系统
US20190394427A1 (en) * 2018-06-20 2019-12-26 Chang'an University System for perceiving and co-processing intelligent connected vehicle-oriented scene image data
CN111016820A (zh) * 2018-10-09 2020-04-17 本田技研工业株式会社 智能体系统、智能体控制方法及存储介质
CN110582066A (zh) * 2019-04-17 2019-12-17 东华大学 城市强对流天气预防系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113037857A (zh) * 2021-03-23 2021-06-25 中国科学院自动化研究所 面向云环境的多机器人协同感知服务系统、方法及设备
CN113037857B (zh) * 2021-03-23 2022-01-21 中国科学院自动化研究所 面向云环境的多机器人协同感知服务系统、方法及设备
CN112988392A (zh) * 2021-04-09 2021-06-18 江苏安岚特智能科技有限公司 一种基于边缘轻量计算的智慧灯杆数据分析方法

Also Published As

Publication number Publication date
CN111770133B (zh) 2021-07-20

Similar Documents

Publication Publication Date Title
CN106502266B (zh) 一种多机协同作业指挥控制系统
CN111770133B (zh) 一种多体慧联云控平台
CN109657003A (zh) 一种将硬件数据直接接入大数据平台的方法
CN110769032B (zh) 一种电网设备故障快速检测与维护的系统及方法
CN109067871B (zh) 一种电力泛在智能云架构
Chen et al. Multi-user edge-assisted video analytics task offloading game based on deep reinforcement learning
EP3979563B1 (en) Inter-domain data interaction method and apparatus
CN109062677A (zh) 一种无人机系统计算迁移方法
CN117239930B (zh) 一种配电网智能巡检系统及方法
CN117251825A (zh) 一种新能源电站多传感器数据融合平台
CN115802398A (zh) 干扰优化方法及装置、存储介质及电子设备
CN116744261A (zh) 一种毫米波通信网络与边缘计算融合方法
WO2023124469A1 (zh) 设备节能方法、系统、电子设备及存储介质
Chen et al. Multi-UAV Cooperation Based Edge Computing Offloading in Emergency Communication Networks
CN116684472A (zh) 一种面向端侧算力网络的服务部署系统及其服务部署方法
Sun et al. Semantic-driven computation offloading and resource allocation for UAV-assisted monitoring system in vehicular networks
Song et al. Federated dynamic spectrum access
CN116955750A (zh) 基于云边协同混合架构的目标检测方法及系统
CN115277789A (zh) 一种梯级水电站安全防护系统及方法
CN109358957B (zh) 一种任务驱动的多源信息融合方法
CN113489942A (zh) 基于边缘计算的视频监控系统
Lin et al. Hypergraph-Based Autonomous Networks: Adaptive Resource Management and Dynamic Resource Scheduling
CN114844555B (zh) 一种面向无人机多任务执行资源受限的协同处理方法
Zhang et al. Artificial intelligence based architecture and implementation of wireless network
CN117726153B (zh) 一种适用于无人机集群作业任务的实时重规划方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant